Zum Inhalt springen
1dea

AI Software QA Engineer | Python | R&D | SoC

Gdańsk
Läuft ab 17 Dez 2026
vor 9 Tagen

Kurzfassung

AI Software QA Engineer role in Gdańsk, requiring 5+ years of experience, including 3+ with AI/ML. Responsibilities include validating AI software stacks, writing/optimizing AI workloads, developing benchmark tests, and debugging complex issues. Requires Python, C++, PyTorch, and kernel experience.

Von KI erstellte Kurzfassung des Anzeigentextes.

Lokalizacja: Gdańsk, 2 - 3 dni w tygodniu praca z biura

Forma zatrudnienia: Umowa o pracę | jesteśmy otwarci na propozycje kandydatów, BUDŻET OTWARTY | długoterminowo, bezpośrednio u klienta, bez pośredników

Obszar: Półprzewodniki | Zaawansowane systemy AI | R& D

Prosimy o CV w j. angielskim

Szukamy inżynierów, którzy wychodzą poza samo testowanie i walidowanie kodu. Idealni kandydaci powinni umieć zagłębiać się w kod źródłowy, samodzielnie opracowywać rozwiązania oraz wprowadzać niezbędne poprawki i usprawnienia.

Zadania

  • Kompleksowa walidacja stosu oprogramowania AI poprzez tworzenie, portowanie i uruchamianie reprezentatywnych obciążeń ML (Machine Learning), odzwierciedlających rzeczywiste scenariusze użycia.
  • Pisanie, optymalizacja i benchmarkowanie obciążeń AI w celu identyfikacji luk funkcjonalnych, wąskich gardeł wydajnościowych, regresji oraz problemów z użytecznością.
  • Projektowanie, rozwój i utrzymanie kompleksowego zestawu testów benchmarkowych obejmujących serwowanie modeli, frameworki ML, kompilatory oraz warstwę kerneli.
  • Odtwarzanie, analiza i diagnozowanie problemów w całym stosie oprogramowania – od zachowania frameworków na poziomie Pythona po poprawność skompilowanych kerneli i wydajność środowiska uruchomieniowego.
  • Przeprowadzanie benchmarków wydajnościowych i profilowania (np. ML

Perf) w celu monitorowania skalowalności, regresji oraz wpływu optymalizacji pomiędzy kolejnymi wersjami oprogramowania.

  • Ścisła współpraca z zespołami odpowiedzialnymi za kompilatory, runtime, frameworki i kernele w celu dostarczania konkretnych informacji zwrotnych oraz szybkiego rozwiązywania problemów.
  • Budowanie skalowalnych platform walidacyjnych, frameworków automatyzacji oraz infrastruktury zintegrowanej z CI, umożliwiającej ciągłe i niezawodne zapewnienie jakości.

Wymagania

  • Minimum 5 lat doświadczenia zawodowego, w tym co najmniej 3 lata pracy z systemami AI/ML, walidacją oprogramowania, inżynierią wydajności lub pokrewnymi obszarami.
  • Bardzo dobra znajomość języków Python i C++, poparta doświadczeniem w tworzeniu, debugowaniu i utrzymywaniu systemów produkcyjnych.
  • Praktyczne doświadczenie z frameworkami ML, takimi jak PyTorch, obejmujące tworzenie i debugowanie modeli.
  • Doświadczenie z platformami do serwowania modeli oraz procesami inferencji.
  • Doświadczenie w pisaniu lub modyfikowaniu kerneli GPU z wykorzystaniem Triton, CUDA lub podobnych technologii.
  • Znajomość PyTest lub podobnych frameworków testowych do budowy zautomatyzowanych testów walidacyjnych i regresyjnych.
  • Umiejętność pracy na wielu warstwach złożonego stosu oprogramowania – od frameworków w Pythonie, przez kompilatory i środowisko uruchomieniowe (runtime), aż po kernele.
  • Bardzo dobre umiejętności analityczne i systematyczne podejście do debugowania, umożliwiające identyfikację problemów na styku frameworków, kompilatorów i runtime.
  • Wykształcenie wyższe techniczne
  • Angielski na poziomie min. B2+ / C1 -> międzynarodowa współpraca

Mile widziane

  • Doświadczenie we wdrażaniu nowych architektur modeli lub obciążeń na platformach GPU lub akceleratorach AI.
  • Praktyczna znajomość narzędzi do profilowania wydajności i benchmarkowania obciążeń ML.
  • Umiejętność analizy kodu generowanego przez kompilator, w tym reprezentacji pośrednich (IR – Intermediate Representation).
  • Doświadczenie w projektowaniu lub utrzymaniu potoków CI/CD oraz zautomatyzowanej infrastruktury testowej dla systemów ML.
  • Znajomość środowisk opartych na GPU, dedykowanych akceleratorach AI oraz heterogenicznych platformach obliczeniowych.
  • Znajomość wdrażania modeli ML z wykorzystaniem kontenerów oraz narzędzi do orkiestracji.
Veröffentlicht 2026-11-13
Quelle